随着中国经济的快速发展,汽车的保有量在逐年增加。智能交通管理系统在交通管控中的重要地位越发地凸显出来,而车牌识别是智能交通管理系统的核心,所以研究车牌识别具有举足轻重的意义。本文研究了车牌识别算法,将卷积神经网络LeNet-5应用到车牌字符的识别中,着重改进了车牌字符识别算法。定位车牌,分割车牌字符和识别字符是车牌识别常规处理的“三部曲”。首先对采集到的车牌图像进行灰度化和平滑滤波等预处理,接着采用基于边缘检测和数学形态学算法实现车牌定位;然后结合车牌具体特征改进垂直投影算法,分割出车牌字符;分割好的车牌字符作为下一步字符识别的数据集,最后在深入研究了卷积神经网络的工作原理以及优势的基础上,将具有权值共享和局部感受野特点的网络应用到车牌字符识别当中。在LeNet-5经典网络结构的基础上,改进了输入层、隐含层和输出层的结构,优化卷积层和下采样层参数,构建了DLeNet-5网络,相比于原始网络,改进的网络应用于车牌字符识别具有更高的识别率。车牌识别不仅在公共安全管理体系和各种交通场合发挥着不可或缺的作用,而且在未来的无人驾驶和无人汽车等领域,也将扮演重要的角色,将为城市的健康发展带来诸多便利。